Войти
Логин:
Пароль:
Забыли пароль?
научная деятельность
структура институтаобразовательные проектыпериодические изданиясотрудники институтапресс-центрконтакты
русский | english
Лаборатория № 2 >> Основные направления исследований >> Локально-адаптивная обработка сигналов и...

Методы локально-адаптивной обработки сигналов и изображений

Целью исследований в данной области является разработка теории и методов локально-адаптивной обработки изображений и многомерных сигналов с использованием пространственной и спектральной информации локальных окрестностей каждого элемента изображения или сигнала, а также разработка алгоритмов для эффективной реализации предложенных методов.

Разработка новых локально-адаптивных методов была вызвана недостатками известных пространственно-однородных линейных фильтров при обработке реальных, пространственно-неоднородных данных. Популярность пространственно-однородных фильтров связана, с одной стороны, с простотой их анализа, так как параметры линейных фильтров обычно находят, используя принципы оптимальной винеровской фильтрации. С другой стороны, существуют эффективные методы цифровой реализации линейных фильтров, основанные на использовании быстрых алгоритмов свертки и спектрального анализа. Параметры пространственно-однородных линейных фильтров оптимизируются по ансамблю всех возможных сигналов (рассматриваемым как реализации случайных полей), то есть в среднем, в то время как во многих приложениях желательно получить наилучший результат для конкретного обрабатываемого сигнала или изображения. Пространственная однородность линейной фильтрации приводит к пространственной инерционности, проявляющейся в смазывании границ объектов при сглаживании сигнала. Предлагаемые новые методы локально-адаптивной (скользящей) обработки сигналов и изображений являются методами неоднородной линейной фильтрации. Характерной особенностью этих методов является их способность адаптироваться к конкретному сигналу или изображению. Более того, они обладают унифицированной структурой для выполнения широкого спектра задач обработки сигналов и изображений, таких как подавление шума, сглаживание и препарирование сигналов и изображений, обнаружение объектов на изображении. В качестве исходной посылки к синтезу локально-адаптивных фильтров вводятся локальные критерии качества пофрагментной обработки сигналов и изображений и выводятся соответствующие этим критериям оптимальные фильтры.

Локально-адаптивные линейные фильтры в скользящем окне можно эффективно реализовать в области ортогонального преобразования, вычисляемого для каждого положения скользящего окна. Эти фильтры модифицируют коэффициенты ортогонального преобразования, чтобы получить оптимальную, с точки зрения некоторого критерия, оценку значения текущего отсчета. Выбор ортогонального преобразования для скользящего анализа и фильтрации зависит от многих факторов. Наиболее популярными являются синусоидальные преобразованиями: дискретное Фурье преобразование (ДФП), дискретное Хартли преобразование (ДХП), дискретное косинусное преобразование (ДКП) и дискретное синусное преобразование (ДСП). Широкое использование синусоидальных преобразований обусловлено тем, что они хорошо аппроксимируют преобразование Карунена-Лоева для сигналов, описываемых марковским случайным процессом. Так, одним из наиболее привлекательных преобразований, с точки зрения точности оценивания спектра мощности сигнала по наблюдаемым данным, является ДКП. Например, линейная фильтрация в области ДКП с последующим обратным преобразованием дает лучшие результаты по сравнению с фильтрацией в области ДФП, потому что ДКП может быть рассмотрено как ДФП от симметрично продолженного сигнала. Это уменьшает краевые эффекты при цифровой обработке, которые обычно возникают при циклической свертке в области ДФП. Если обрабатываемый сигнал является слабо коррелированным, то ДСП также может использоваться для эффективной обработки сигналов в скользящем окне. Было предложено четыре типа дискретных синусоидальных преобразований. Заметим, что независимое вычисление этих синусоидальных преобразований для каждого положения скользящего окна требует больших вычислительных затрат. Альтернативный подход – вычисление синусоидальных преобразований, основанное на рекурсивном уравнении между несколькими последовательными локальными спектрами. Предложены быстрые алгоритмы синусоидальных преобразований, использующие рекурсивные уравнения второго порядка. Эти алгоритмы требуют значительно меньшего количества операций сложения и умножения по сравнению с известными рекурсивными и быстрыми алгоритмами.

В качестве примера рассмотрим задачу локального повышения контраста деталей на зашумленном изображении с использованием локально-адаптивного линейного фильтра, оптимизированного по критерию точечной среднеквадратичной ошибки. Зашумленное исходное изображение (256х256 элементов) показано на Рис. 1(а). Цель цифровой обработки – выделить детали средних размеров 15x15 элементов на зашумленном изображении. Результаты обработки с помощью локально-адаптивного алгоритма и подобной глобальной обработки показаны на Рис. 1(б) и (в), соответственно.

В результате проведенных исследований предложен новый подход к построению линейных локально-адаптивных фильтров на основе быстрых обратных синусоидальных преобразований в скользящем окне. Предложены алгоритмы быстрого вычисления дискретных синусоидальных преобразований в скользящем окне, таких как дискретные косинусные преобразования и дискретные синусные преобразования. Эти алгоритмы основаны на рекурсивных уравнениях первого и второго порядков. Реализованы методы локально-адаптивной обработки изображений и речевых сигналов.

 

(а)                                                  (б)                                                  (в)

Рис. 1. (a) Зашумленное тестовое изображение, (б) локальное повышение контраста в области скользящего ДКП, (в) повышение контраста в области глобального ДКП.

НОВОСТИ И ОБЪЯВЛЕНИЯ
Семинар Добрушинской математической лаборатории ИППИ РАН 16 октября, вторник, 16:00, ауд. 307. А...
12 октября в рамках "Пятничного семинара ИППИ РАН" выступит Никита Славнов (МИАН) с докладом по тем...
Семинар лаборатории № 8: 4 октября в 14:30 в ИПЭЭ РАН. В.М. Ольшанский. О возможной этологической фу...
Семинар Добрушинской математической лаборатории ИППИ РАН 2 октября, вторник, 16:00, ауд. 307. ...
Семинар лаб.№9 состоится 2 октября в 11:00 в ауд.307 Аруин А.С. АНТИСИПАТОРНЫЕ И КОМПЕНСАТОРНЫЕ НАСТ...
Защита докторской диссертации в совете Д.002.077.05: 01.10.2018 (понедельник), ауд.615 ИППИ...
Представление диссертационной работы Ершова Егора Ивановича «Вычислительные методы анализа изображен...
Robot navigation in dynamic environments. The open workshop of IITP RAS Lab 11 will start at 17:00 o...
Все новости   
 

 

  © Федеральное государственное бюджетное учреждение науки
Институт проблем передачи информации им. А.А. Харкевича Российской академии наук, 2018
Об институте  |  Контакты  |  Старая версия сайта